CNN-based Shipping Noise Detection using Short-time Underwater Acoustics Signal

해양에서 인간에 의해 발생하는 대부분의 소음은 어업 및 상업 운송과 관련된 선박 방사소음이 주요한 원인이다. 최근 선박 소음을 자동으로 탐지하기 위한 방법으로 딥러닝 기술이 활용되고 있다. 본 연구에서는 1분 단위로 분할한 선박소음 신호 기반의 스펙트로그램 이미지를 합성곱 신경망 기반 학습을 수행하여 근거리 선박소음 및 배경소음을 자동으로 탐지하는 연구를 수행하였다. 현재까지 많이 사용되고 있는 합성곱 신경망 모델인 Inception-V3, ResNet-50, VGG-16와 본 연구에서 제안한 모델을 이용하여 1분 단위의 선박소음을 학습 및 평가를 수행하였다. 분석 결과 F1 점수는 모델별로 각각 Inception-V3 97.42%, ResNet-50 98.42%, VGG-16 98.16%, 제안된 모델은 97.88%로 나타나 선박소음을 탐지함에 있어 준수한 성능이 나타났다. 이 때, 제안된 모델은 F1 점수가 가장 높게 나타난 ResNet-50 모델에 비해 약 1/8의 적은 파라미터로 동등한 탐지 성능을 보이는 것을 확인할 수 있었다. 추후에는 다양한 선박소음 및 선박자동식별장치(AIS, Automatic Identification System) 자료를 동시에 활용하여 원거리 선박소음 또한 자동으로 탐지가 가능할 것으로 판단된다.